随着近年来科技的发展,四旋翼无人机的集成度越来越高,负载能力越来越强,加之其具有体积小和灵活性高的优点,在峡谷、海上等人类难以涉足的区域,四旋翼无人机在搜救和资源探索方面发挥了举足轻重的作用,但是这些场合伴随着强风的干扰,是对四旋翼无人机稳定性的巨大考验,因此,本文针对四旋翼无人机的抗强风控制技术进行了深入研究。首先,研究了四旋翼无人机的动力学建模问题。考虑到强风的干扰,基于Dryden紊流模型和常值风场,对强风干扰的紊流模型进行了分析研究,以牛顿-欧拉法为基本框架,对四旋翼无人机的受力进行了基本分析,将外界强风的扰动引入到四旋翼的动力学模型建模过程中,建立了具有风速扰动因子的四旋翼无人机动力学模型,为后续的抗强风控制器设计打下基础。其次,研究了具有前馈补偿的Proportion Integration Differentiation(PID)和Linear Quadratic Regulator(LQR)控制器的设计问题。基于具有风速扰动因子的四旋翼无人机动力学模型,以期望状态与当前状态的误差入手设计了具有前馈补偿的PID控制器和LQR控制器,搭建了MATLAB仿真平台对控制器响应进行了分析论证。然后,研究了模糊滑模变结构抗强风控制器设计的问题。将四旋翼的被控状态变量分为两组,基于具有风速扰动因子的无人机动力学模型,分别设计了完全控制滑模变结构控制器和联合控制滑模变结构控制器,搭建MATLAB仿真平台对滑模变结构控制器和具有前馈补偿的PID控制器的响应效果进行对比,随后,分析了滑模变结构控制器中抖振产生的原因,提出了用模糊控制的思想来降低滑模变结构控制器的抖振现象,设计了模糊滑模变结构控制器,通过仿真验证进行分析。最后,研究了四旋翼无人机模型中不定项逼近的问题。基于Radical Basis Function(RBF)神经网络的拟合能力,设计了具有自适应调节的RBF神经网络模型,在构建李亚普诺夫函数时引入了权值函数,通过求解李亚普诺夫稳定性得到了权值函数的自适应律,调节基函数和自适应律系数获得神经网络的最佳参数,通过仿真验证RBF神经网络的输出拟合不定项的能力。